应用回归分析课程设计

Ⅰ 大学本科统计学要学什么课程（就一般的一本那种大学），谢谢啦，统计学和应用数学的基础课程差异大吗专

附表1： 统计学专业课程结构表
课程类型 学时数 百分比（%） 学分数 百分比（%）
公共基础课程 911 32.0 46 26.6
专业基础课程 678 23.8 38 21.9
专业课程 532 18.7 27 15.6
专业选修课程 585 20.5 32 18.5
公共选修课程 144 5.0 8 4.6
实践课程* —— —— 22 12.8
总 计 2850 100 173 100
实践课程学分+课堂实践教学学分+课堂演算实践教学学分=22+9.6+11.1=42.7 24.7
课堂实践教学学分与课堂演算实践教学学分均由学时数折算而得。

说明： △入学、毕业教育， = 假期（不在校）， ◇军训， ：考试， ☆专业实习（含教育实习）， ★毕业论文（毕业设计）， ○课程设计

附表3： 统计学专业教学计划表
课程类型 课程
编号 课 程 名 称 学
分
数 学 时 开课学期及周学时分配 备 注
讲
授 实
践 一 二 三 四 五 六 七 八
公
共
基
础
课
程 070301101 思想道德修养与法律基础

础 2 28 8 2
070301102 中国近现代史纲要 2 36 2
070301103 马克思主义基本原理概论 3 54 3
070301104A 毛泽东思想、邓小平理论和“三个代表”重要思想概论（一） 3 36 18 2
070301104B 毛泽东思想、邓小平理论和“三个代表”重要思想概论（二） 3 36 18 2
070101101 大学语文 2 36 2
074401101A 体育（一） 1 28 2
074401101B 体育（二） 1 36 2
074401101C 体育（三） 1 36 2
074401101D 体育（四） 1 36 2
074501101A 大学英语（一） 4 56 28 4+2
074501101B 大学英语（二） 4 72 36 4+2
074501101C 大学英语（三） 4 72 36 4+2
074501101D 大学英语（四） 4 72 36 4+2
074601102 计算机应用基础B 2 30 30 2+2
074601102C 计算机程序设计（C语言） 4 54 36 3+2
075001101 形势政策 1 18 1
075001102 军事理论 2 32 2
075001103 就业指导 2 16 8 2
小计 46 784 254 13+4 12+4 11+2 8+2 2 2
专
业
基
础
课
程 072141701 A 数学分析（一） 5 56 28* 6
072141701 B 数学分析（二） 6 72 36* 6
072141701 C 数学分析（三） 6 72 36* 6
072141702 A 高等代数（一） 5 56 28* 6
072141702 B 高等代数（二） 6 72 36* 6
072141703 解析几何 2 42 3
072141704 概率论 4 54 18* 4
072141705 数理统计 4 54 18* 4
小计 38 478 200* 15 12 10 4

附表3（续）： 统计学专业教学计划表
课程类型 课程
编号 课 程 名 称 学
分
数 学 时 开课学期及周学时分配 备 注
讲
授 实
践 一 二 三 四 五 六 七 八

专
业
课
程 072141801 抽样调查 3 54 3
072141802 试验设计 3 54 3
072141803 应用回归分析 3 54 18 4
072141804 多元统计分析（含矩阵代数10学时） 3 64 18 4
072141805 时间序列分析 3 54 18 4
072141806 非参数统计 3 54 18 4
072141807 统计预测与决策 3 54 3
072141808 应用随机过程 3 54 3
072141809 常微分方程 3 54 3

小计 27 496 72 6 14 11
选
修
课
程 公共选修课程 8 144 2 2 2 2
专业选修课程 32 576 18 6 6 9 9 6 6
小计 40 720 18 6 8 11 11 8 6
实
践
课
程 072141803 应用回归分析课程设计 1 ○
072141804 多元统计分析课程设计 1 ○
072141805 时间序列分析课程设计 1 ○
072141806 非参数统计课程设计 1 ○
072141207 统计建模与数据分析
课程设计 1 ○

075001605 毕业实习 6 ☆
075001604 毕业论文（毕业设计） 6 ★ ★
075001603 专业见习 1 ☆
075001602 军训 2 ◇
075001601 社会实践与劳动 2 假期中
进行
其他
小计 22

总学分、总学时 173 2478 344

27+4 24+4 27+2 26+2 27 22 10 6
200*
2850
课堂实践课程的学时折半算到总学时中, 课堂演算实践课程的学时（带*号的数字）如实算到总学时中。

附表4： 统计学专业选修课程开课计划表
课程类型 课程编号 课 程 名 称 学分数 学时数 开课学期（周学时）
选

修

课

程 限
选
系
列 072141301 会计学原理 3 54 4（3）
072141302 保险学原理 3 54 5（3）
072141303 保险精算 3 54 6（3）
072141304 金融数学（期权期货定价分析） 3 54 6（3）
072141305 统计建模与数据分析 2 36+18 5（3）
072141306 质量管理 3 54 5 （3）
072141307 运筹学基础 3 54 3（3）
小计 20 360+18 3（3），4（3），
5（9），6（6）
任
选
系
列
A 072141311 数学分析选讲 2 36 7
072141312 高等代数选讲 2 36 7
072141313 实变函数与泛函分析 3 54 6
072141314 数学物理方法 3 54 6
072141315 数学建模 3 54 4
072141316 漫谈数学 2 36 6
072141317 Matlab与科学计算 2 36+18 4
任
选
系
列
B 072141321 线性回归模型 3 54 8
072141322 数量经济分析 3 54 7
072141323 资产定价与金融决策理论 3 54 7
072141324 经济与金融中的随机方法 3 54 8
072141325 生物统计 3 54 8
072141326 经济博弈论 3 54 3
072141327 经济学原理 3 54 8
072141328 管理学概论 3 54 7
应选学 12 216 3（3）, 4（5），6（3），
7（6），8（6）

Ⅱ 回归分析的应用

相关分析研究的是现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。而回归分析则要分析现象之间相关的具体形式，确定其因果关系，并用数学模型来表现其具体关系。比如说，从相关分析中我们可以得知“质量”和“用户满意度”变量密切相关，但是这两个变量之间到底是哪个变量受哪个变量的影响，影响程度如何，则需要通过回归分析方法来确定。
一般来说，回归分析是通过规定因变量和自变量来确定变量之间的因果关系，建立回归模型，并根据实测数据来求解模型的各个参数，然后评价回归模型是否能够很好的拟合实测数据；如果能够很好的拟合，则可以根据自变量作进一步预测。
例如，如果要研究质量和用户满意度之间的因果关系，从实践意义上讲，产品质量会影响用户的满意情况，因此设用户满意度为因变量，记为Y；质量为自变量，记为X。根据图8－3的散点图，可以建立下面的线性关系： Y=A+BX+§
式中：A和B为待定参数，A为回归直线的截距；B为回归直线的斜率，表示X变化一个单位时，Y的平均变化情况；§为依赖于用户满意度的随机误差项。
对于经验回归方程： y=0.857+0.836x
回归直线在y轴上的截距为0.857、斜率0.836，即质量每提高一分，用户满意度平均上升0.836分；或者说质量每提高1分对用户满意度的贡献是0.836分。
上面所示的例子是简单的一个自变量的线性回归问题，在数据分析的时候，也可以将此推广到多个自变量的多元回归，具体的回归过程和意义请参考相关的统计学书籍。此外，在SPSS的结果输出里，还可以汇报R2，F检验值和T检验值。R2又称为方程的确定性系数（coefficient of determination），表示方程中变量X对Y的解释程度。R2取值在0到1之间，越接近1，表明方程中X对Y的解释能力越强。通常将R2乘以100%来表示回归方程解释Y变化的百分比。F检验是通过方差分析表输出的，通过显著性水平（significant level）检验回归方程的线性关系是否显著。一般来说，显著性水平在0.05以上，均有意义。当F检验通过时，意味着方程中至少有一个回归系数是显著的，但是并不一定所有的回归系数都是显著的，这样就需要通过T检验来验证回归系数的显著性。同样地，T检验可以通过显著性水平或查表来确定。在上面所示的例子中，各参数的意义如表8－2所示。
线性回归方程检验 指标 显著性水平 意义 R2 0.89 “质量”解释了89%的“用户满意度”的变化程度 F 276.82 0.001 回归方程的线性关系显著 T 16.64 0.001 回归方程的系数显著 示例 SIM手机用户满意度与相关变量线性回归分析
我们以SIM手机的用户满意度与相关变量的线性回归分析为例，来进一步说明线性回归的应用。从实践意义讲上，手机的用户满意度应该与产品的质量、价格和形象有关，因此我们以“用户满意度”为因变量，“质量”、“形象”和“价格”为自变量，作线性回归分析。利用SPSS软件的回归分析，得到回归方程如下：
用户满意度=0.008×形象+0.645×质量+0.221×价格
对于SIM手机来说，质量对其用户满意度的贡献比较大，质量每提高1分，用户满意度将提高0.645分；其次是价格，用户对价格的评价每提高1分，其满意度将提高0.221分；而形象对产品用户满意度的贡献相对较小，形象每提高1分，用户满意度仅提高0.008分。
方程各检验指标及含义如下： 指标 显著性水平 意义 R2 0.89 “质量”和“价格”解释了89%的“用户满意度”的变化程度 F 248.53 0.001 回归方程的线性关系显著 T（形象） 0.00 1.000 “形象”变量对回归方程几乎没有贡献 T（质量） 13.93 0.001 “质量”对回归方程有很大贡献 T（价格） 5.00 0.001 “价格”对回归方程有很大贡献 从方程的检验指标来看，“形象”对整个回归方程的贡献不大，应予以删除。所以重新做“用户满意度”与“质量”、“价格”的回归方程如下： 满意度=0.645×质量+0.221×价格
用户对价格的评价每提高1分，其满意度将提高0.221分（在本示例中，因为“形象”对方程几乎没有贡献，所以得到的方程与前面的回归方程系数差不多）。
方程各检验指标及含义如下： 指标 显著性水平 意义 R 0.89 “质量”和“价格”解释了89%的“用户满意度”的变化程度 F 374.69 0.001 回归方程的线性关系显著 T（质量） 15.15 0.001 “质量”对回归方程有很大贡献 T（价格） 5.06 0.001 “价格”对回归方程有很大贡献